Dobre źródła do nauki sieci Markov Monte Carlo (MCMC)

28

Wszelkie sugestie dotyczące dobrego źródła do nauki metod MCMC?

references mcmc

2

Powiązane pytanie: dobre streszczenia (recenzje, książki) na temat różnych zastosowań łańcucha Markowa Monte Carlo (MCMC)

— Silverfish

14

Dostępne są samouczki online

Samouczek w MCMC autorstwa Sahut (2000)
Samouczek na temat łańcucha Markowa Monte Carlo , autor: Hanson (2000)
Markov Chain Monte Carlo dla Computer Vision , autor: Zhu i in. (2005)
Wprowadzenie do symulacji Markov Chain Monte Carlo i ich analizy statystycznej , Berg (2004).

Praktyczny łańcuch Markowa Monte Carlo autorstwa Geyera ( Stat. Science , 1992) jest również dobrym punktem wyjścia, a ilustracje można zobaczyć w pakietach MCMCpack lub mcmc R.

— chl
źródło

fyi: 2. dwa linki na liście są zepsute

— nadal_czy się

9

Nie przeczytałem go (jeszcze), ale jeśli jesteś w R, jest książka Christiana P. Roberta i George'a Caselli: Przedstawiamy metody Monte Carlo za pomocą R (użyj R)

Wiem o tym po śledzeniu jego (bardzo dobrego) bloga

— Tal Galili
źródło

Ta książka nie zagłębia się w MCMC. W rzeczywistości ma stronę i pomiń teorię MCMC w całości, aby przejść do mieszania Metropolist.

— Anthony Doan,

Chociaż jesteś w 100% uprawniony do własnej opinii na temat naszej książki, nie zgadzam się z opinią, że nie zagłębiamy się tam w MCMC. Sądząc po pytaniu, nie sądzę, że OP poprosił o głęboką teorię algorytmów MCMC (która jest jakoś omówiona w naszej wcześniejszej książce).

— Xi'an

6

Gilks WR, Richardson S., Spiegelhalter DJ Markov Chain Monte Carlo in Practice . Chapman & Hall / CRC, 1996.
Względny staruszek teraz, ale nadal dobry.

— jeden przystanek
źródło

6

Podręcznik Markov Chain Monte Carlo, Steve Brooks, Andrew Gelman, Galin Jones i Xiao-Li Meng, red. 2011 CRC Press.

Rozdział 4 „Wnioskowanie z symulacji i monitorowania zbieżności” Gelmana i Shirleya jest dostępny online.

— David LeBauer
źródło

1

Wygląda na to, że wykopie Gilksa, Richardsona i Spiegelhaltera (1996) w wysoką trawę, kiedy przyjdzie to w maju.

— onestop

4

Dani Gamerman i Hedibert F. Lopes. Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference (2nd ed.). Boca Raton, Floryda: Champan & Hall / CRC, 2006. 344 s. ISBN 0-412-81820-5 .

- książka ostatnio zaktualizowana niż Gilks, Richardson i Spiegelhalter. Sam tego nie czytałem, ale został dobrze sprawdzony w Technometrics w 2008 roku , a pierwsze wydanie otrzymało również dobrą recenzję w The Statistician w 1998 roku.

— onestop
źródło

4

Kolejna klasyczna pozycja (w połączeniu ze wspomnianym już wprowadzeniem metod Monte Carlo z R ):

Metody statystyczne Monte Carlo autorstwa Roberta i Caselli (2004)

w Use R! seria jest również:

Wprowadzenie do symulacji prawdopodobieństwa i próbkowania Gibbsa za pomocą R autorstwa Suess i Trumbo (2010)

— Tim
źródło

0

Najbardziej dostępny tekst to Bayesian Cognitive Modeling: A Practical Course . Bardzo przejrzysta ekspozycja. Książka ma świetne przykłady BŁĘDÓW i zostały przeniesione do Stana na stronie przykładów github .

— Stewart
źródło